PACE: 位相を考慮したロボットポリシーのチャンク実行

本論文は、vision-language-actionやdiffusion-basedなロボットpolicyで用いられるaction chunkingの実行horizon選択問題を扱う。各queryで未来のaction列を予測し、open-loopでprefixを実行して再queryする際、chunkのどこまで実行するかが課題。実験では成功率がタスク依存かつ実行horizonに対して非単調であり、単一の固定horizonは信頼できないと示す。そこで、予測chunk自体から実行horizonをオンライン選択するtraining-freeなtest-time実行手法PACE（Phase-Aware Chunk Execution）を提案する。

従来のaction chunkingでは実行horizonを固定値や手動調整に頼るのが一般的で、タスク依存・非単調な成功率のため信頼性が低い。PACEは再学習やpolicy内部へのアクセスを必要とせず、予測action chunkのみを用いるplug-and-playな手法である点が異なる。また、操作軌跡のphase-dependentなkinematic構造を利用し、予測速度profileの低速度遷移点をreplanning境界候補として使うことで、phaseごとに実行horizonを適応させる。

PACEはtraining-freeなtest-time実行法。予測されたaction chunkから速度profileを計算し、その中の低速度transition pointを特定する。これらを候補replanning boundaryとして用い、chunkの実行horizonをオンラインで選択する。操作軌跡のphase依存なkinematic構造を活用し、遷移付近では実行を短くし、 coherentなmotion中は長い実行を保持する。予測chunkのみを使うため、再学習やpolicy内部情報は不要。

大規模評価をsimulationとreal-robotの両方で実施。RoboTwin2.0の50タスクで平均成功率を57.8%から64.2%へ向上。real-robotではbimanual ALOHAとsingle-arm Franka platformで、平均タスクスコアを60.7から77.7、平均成功率を50.7%から70.4%へ改善。ablationとrollout-level分析により、PACEが操作phase間で実行horizonを適応させ、遷移付近では短縮し、 coherentなmotion中は長い実行を保持することを示した。

実行horizonの選択がタスク依存かつ非単調であるため固定horizonは信頼できないという問題意識が議論の出発点。PACEは予測chunkのみを使うためplug-and-playで再学習不要という利点がある。一方、要旨からは失敗事例や限界、計算コスト、他手法との詳細比較、低速度点検出の閾値感度などは不明。ablationとrollout-level分析でphase適応性は示されているが、議論の詳細は要旨からは不明。

要旨で参照・比較されている研究として、vision-language-action policies、diffusion-based robot policies、action chunking、RoboTwin2.0、bimanual ALOHA、single-arm Frankaが挙げられる。関連手法として、action chunkingを採用する既存のVLAやdiffusion policy、実行horizonを扱うtest-time execution手法を次に読むべき。具体的な論文名は要旨からは不明。